计算机应用

作者：李洋莹, 陈智军, 张子豪, 游兰

单位：湖北大学 计算机与信息工程学院, 武汉 430062

关键词：布谷鸟搜索算法,Elman神经网络,时间特征,需求量预测,时间序列预测

基金：湖北省自然科学基金资助项目（2019CFB757）；内河航运技术湖北省重点实验室基金资助项目（NHHY2017001）；国家水运安全工程技术研究中心开放基金资助项目（A2019011）。

制糖企业采用传统算法进行原糖需求预测时忽略了时间因素，而且没有考虑行业特点，导致预测准确性有限。针对上述问题，结合制糖原材料的供需周期特点，提出一种时间特征关联的使用改进布谷鸟搜索（MCS）优化的Elman神经网络需求量预测模型TMCS-ENN。首先，通过提出自适应学习速率公式来优化Elman神经网络（ENN）；其次，引入自适应寄生失败概率和自适应步长控制量公式得到MCS算法来优化ENN的权值和阈值，从而有效提高模型的局部搜索能力，避免局部最优；最后，结合制糖企业原材料购买的时间相关性和滞后性规律，基于周粒度设计数据切片，并以节假日作为重要特征训练ENN，得到预测模型TMCS-ENN。实验结果表明，以周为时间粒度的情况下，TMCS-ENN预测模型的预测精度达到93.89%。可见TMCS-ENN能够满足制糖企业原材料采购需求的预测精度，有效提高企业生产效率。

来源：2021年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第7期